CN112334750A - 滚动轴承的异常诊断方法以及异常诊断装置 - Google Patents
滚动轴承的异常诊断方法以及异常诊断装置 Download PDFInfo
- Publication number
- CN112334750A CN112334750A CN201980043723.0A CN201980043723A CN112334750A CN 112334750 A CN112334750 A CN 112334750A CN 201980043723 A CN201980043723 A CN 201980043723A CN 112334750 A CN112334750 A CN 112334750A
- Authority
- CN
- China
- Prior art keywords
- rolling bearing
- vibration
- time
- timing
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 247
- 230000005856 abnormality Effects 0.000 title claims abstract description 107
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000002405 diagnostic procedure Methods 0.000 claims description 34
- 238000009877 rendering Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 14
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000010355 oscillation Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000010408 film Substances 0.000 description 3
- 238000004299 exfoliation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C19/00—Bearings with rolling contact, for exclusively rotary movement
- F16C19/02—Bearings with rolling contact, for exclusively rotary movement with bearing balls essentially of the same size in one or more circular rows
- F16C19/04—Bearings with rolling contact, for exclusively rotary movement with bearing balls essentially of the same size in one or more circular rows for radial load mainly
- F16C19/06—Bearings with rolling contact, for exclusively rotary movement with bearing balls essentially of the same size in one or more circular rows for radial load mainly with a single row or balls
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C19/00—Bearings with rolling contact, for exclusively rotary movement
- F16C19/22—Bearings with rolling contact, for exclusively rotary movement with bearing rollers essentially of the same size in one or more circular rows, e.g. needle bearings
- F16C19/24—Bearings with rolling contact, for exclusively rotary movement with bearing rollers essentially of the same size in one or more circular rows, e.g. needle bearings for radial load mainly
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C19/00—Bearings with rolling contact, for exclusively rotary movement
- F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C19/00—Bearings with rolling contact, for exclusively rotary movement
- F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
- F16C19/527—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to vibration and noise
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C41/00—Other accessories, e.g. devices integrated in the bearing not relating to the bearing function as such
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0009—Force sensors associated with a bearing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0009—Force sensors associated with a bearing
- G01L5/0019—Force sensors associated with a bearing by using strain gages, piezoelectric, piezo-resistive or other ohmic-resistance based sensors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C2233/00—Monitoring condition, e.g. temperature, load, vibration
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C2360/00—Engines or pumps
- F16C2360/31—Wind motors
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
用于旋转机械的滚动轴承的异常诊断方法具有:时刻获取步骤,从在滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从滚道圈的剥落区域脱离的脱离时刻;以及推算步骤,基于进入时刻与脱离时刻的时间差即剥落通过时间,推算剥落尺寸。能够在滚道圈承受来自滚动体的反复负载的情况下定量地评价在滚道圈中产生的剥落的进展。
Description
技术领域
本发明涉及滚动轴承的异常诊断方法以及异常诊断装置,尤其涉及能够推算在滚动轴承的滚道圈中产生的剥落尺寸的滚动轴承的异常诊断方法以及异常诊断装置。
背景技术
以往,提出了各种技术,对从滚动轴承检测出的振动进行检测,不需拆解组装有滚动轴承的机械装置,即可在机械装置的实际工作状态中诊断滚动轴承有无异常、异常的部位。
另外,就风车的传动***、矿山设备等大型旋转机械所使用的滚动轴承而言,由于不易进行轴承更换,因此很多时候即使产生若干损伤也会继续使用,因此需要明确地掌握与损伤的进展相应的轴承的更换时期。
例如,就专利文献1所记载的滚动轴承的状态监视装置而言,用位移传感器检测内外圈间的径向的相对位移,根据与静圈的内圈从多个滚动体承受的总负荷次数的増加相应的内外圈间的相对位移的阶段性的増大模式,诊断滚动轴承的状态。
另外,就专利文献2所记载的状态监视装置而言,对将振动波形分割成多个损伤滤波器频段并进行提取处理后的波形进行包络处理和频率分析,获得波谱数据。然后,在提取出的频段中,对基于滚动轴承的旋转速度信号算出的轴承损伤频率与波谱数据所包含的频率成分进行比较,确定滚动轴承的异常的部位,基于对每个损伤滤波器频段算出的振动有效值,对部位的损伤程度或损伤的进展状况进行诊断。
现有技术文献
专利文献
专利文献1:日本特开2017-26020号公报
专利文献2:日本特开2017-32520号公报
发明内容
发明欲解决的技术问题
然而,就专利文献1所记载的装置而言,根据若损伤进展则内外圈的相对位移阶段性地増大这样的经验,将损伤阶段定为3阶段,止于定性的判定。另外,就专利文献2所记载的装置而言,同样按照3阶段来诊断损伤程度,并非具体定量地评价剥落的进展。
本发明鉴于上述情况而创造,其目的在于提供一种滚动轴承的异常诊断方法以及异常诊断装置,其在滚道圈承受了来自滚动体的反复负荷的情况下,能够定量地评价滚道圈所产生的剥落的进展。
用于解决问题的技术手段
本发明的上述的目的利用下述结构实现。
(1)一种滚动轴承的异常诊断方法,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断方法的特征在于,具有:
时刻获取步骤,从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从所述滚道圈的剥落区域脱离的脱离时刻;以及
推算步骤,基于所述进入时刻与所述脱离时刻的时间差、即剥落通过时间,推算剥落尺寸。
(2)一种滚动轴承的异常诊断装置,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断装置的特征在于,具有:
控制装置,所述控制装置从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从所述滚道圈的剥落区域脱离的脱离时刻,并且,基于所述进入时刻与所述脱离时刻的时间差、即剥落通过时间,推算剥落尺寸。
(3)一种滚动轴承的异常诊断方法,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断方法的特征在于,具有:
时刻获取步骤,从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻;
形成步骤,以该进入时刻为原点,按照旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的所述输出信号,从而形成灰度图像;以及
显示步骤,输出该灰度图像。
(4)一种滚动轴承的异常诊断装置,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断装置的特征在于,具有:
控制装置,所述控制装置从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻,以该进入时刻为原点,按照旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的所述输出信号,形成灰度图像;以及
输出装置,所述输出装置输出该灰度图像。
发明效果
根据上述(1)的异常诊断方法以及上述(2)的异常诊断装置,获取滚动体进入和脱离滚道圈的剥落区域的时刻,根据进入时刻与脱离时刻的时间差推算剥落尺寸,由此,能够定量地评价在滚道圈中产生的剥落的进展,能够明确轴承的更换时期。
另外,根据上述(3)的异常诊断方法以及上述(4)的异常诊断装置,以滚动体进入滚道圈的剥落区域的进入时刻为原点,按照旋转圈的每个旋转周期反复用灰度描绘输出信号,形成灰度图像,由此操作员能够根据灰度图像定量地评价在滚道圈中产生的剥落的进展,并且能够视觉识别在滚道圈中产生的剥落的进展,能够明确掌握轴承的更换时期。
附图说明
图1是示出本发明的各实施方式涉及的滚动轴承的异常诊断装置的概略结构的框图。
图2中,(a)是用于说明滚动体进入滚道圈的剥落区域时的滚子负载的图,(b)是用于说明滚动体从滚道圈的剥落区域脱离时的滚子负载的图。
图3是用于说明本发明的第1实施方式涉及的滚道圈的剥落通过时间的振动速度波形的图像。
图4中,(a)是用于说明滚动体通过滚道圈的剥落区域的时间的其他振动速度波形的图像,(b)是用于说明滚动体通过滚道圈的剥落区域的时间的又一振动速度波形的图像。
图5是用于说明从本发明的第2实施方式涉及的振动速度波形中按照内圈的每1个旋转周期截取振动速度波形的例子的图。
图6中,(a)是用于说明从截取的波形数据获取进入时刻并获取规定周期的振动速度波形的步骤的图像,(b)是基于(a)的波形数据而置换成以进入时刻为原点的坐标数据的图像。
图7示出用灰度描绘图6(b)示出的波形数据并按照旋转圈的每个旋转周期进行层叠而形成的灰度图像。
图8是示出损伤的部位与因损伤而产生的振动频率的关系的表。
图9中,(a)是示出将作为负载传感器的压电式力传感器设置于机械设备的例子的图,(b)是示出将作为负载传感器的压电薄膜设置于机械设备的例子的图,(c)是示出将作为负载传感器的光纤设置于机械设备的例子的图。
图10示出在本发明的第4实施方式涉及的滚动轴承的异常诊断装置中用灰度描绘波形数据并按照旋转圈的每个旋转周期进行层叠而形成的灰度图像。
符号说明
1:异常诊断装置
10:机械设备
11:滚动轴承
12:振动传感器
20:控制装置
21:运算处理部
22:控制部
31:数据传输单元
40:压电式力传感器(负载传感器)
40a:压电式薄膜(负载传感器)
40b:光纤(负载传感器)
具体实施方式
以下参照附图说明本发明涉及的滚动轴承的异常诊断方法以及异常诊断装置的优选的实施方式。
(第1实施方式)
以下,参照图1~图3,说明第1实施方式涉及的滚动轴承的异常诊断方法以及异常诊断装置。
如图1所示,本实施方式的异常诊断装置1用于诊断安装于机械设备10的滚动轴承11的异常,具备:振动传感器12,其检测从滚动轴承11产生的振动(信号);控制装置20,其具备运算处理部21以及驱动控制机械设备10的控制部22,该运算处理部21经由数据传输单元13接收振动传感器12检测出的信号,进行信号处理并实时推算滚动轴承11的滚道圈(即内圈111或外圈112)有无剥落和剥落尺寸;以及输出装置30,其包括监视器、报警器等。
需要说明的是,作为可应用本实施方式的异常诊断装置1的机械设备10,例如可举出风车、矿山设备等。
滚动轴承11具有:在机械设备10的旋转轴外嵌的内圈111;内嵌于壳体114等的外圈112;在内圈111和外圈112之间能够滚动地配置的多个滚动体113;以及将滚动体113滚动自如地保持的未图示的保持架。
振动传感器12固定于壳体114的负载圏,该负载圈安装有滚动轴承11的固定圈即外圈112。图2是上部成为负载圈的一个方式。振动传感器12的固定方法存在螺栓固定、粘接、螺栓固定与粘接的并用以及基于树脂材料的埋入等。
另外,作为振动传感器12,能够使用压电式加速度传感器、电动式速度传感器、位移传感器。能够酌情使用如下这样的传感器,其能够通过根据滚动轴承的运转状态来检测加速度、速度、位移等,由此等价地检测出振动并转换为电信号。例如,在滚动轴承高速旋转时可以检测加速度,在低速旋转时可以检测位移。另外,如下所述,本实施方式中使用由速度表示的振动速度波形进行剥落的解析。因此,在检测出加速度信号的情况下对输出信号进行积分处理,而在检测出位移信号的情况下对输出信号进行微分处理,由此分别进行转换,求出振动速度波形。
另外,控制装置20由微机(IC芯片、CPU、MPU、DSP等)构成,并且具备未图示的内部存储器。因此,能够利用该微机的程序执行后述的各处理,因此能够使装置简化、小型化且廉价地构成。
控制装置20将运算处理部21所判定的滚动轴承11的诊断结果存储在内部存储器中并将机械设备10的动作向控制部22输出,将与诊断结果相应的驱动机械设备10的控制信号反馈到机械设备10的动作(降低旋转数等)。进而,控制装置20通过利用有线或考虑了网络的无线的数据传输单元31向输出装置30送出。
输出装置30在监视器等中实时显示滚动轴承11的诊断结果。另外,在检测出异常的情况下,也可以使用灯、蜂鸣器等报警器唤起操作员对异常的注意。
另外,信号的数据传输单元13只要能够准确地收发来自振动传感器12的信号即可,因此可以利用有线,也可以利用考虑了网络的无线。
在此,在滚动轴承11的负载圏中,在滚动体113通过健全部(正常且无剥落的区域)时,滚动体113与内圈111和外圈112接触,承担预定滚动体负载。另一方面,若产生剥落,则通常而言,剥落的深度大于滚动体113与滚道圈的赫兹接触的弹性接近量,因此滚动体113在通过滚道圈的剥落区域时,仅接触内圈111和外圈112中的一者,因此在滚动体113通过剥落内部的状态下,滚动体负载与健全部的滚动体负载相比会减少。
详细而言,如图2的(a)所例示,在滚动体113进入内圈111的剥落区域前,壳体114经由外圈112承担滚动体负载,但是在滚动体113进入了内圈111的剥落区域时,滚动体负载减少。若将朝向径向外侧的方向作为正方向,则捕捉到该滚动体负载的变化,作为振动速度的负的最大值(底部)。需要说明的是,图2中,符号λ示出剥落长度(单位:[m]、[mm]等),符号v示出滚动体的公转速度(单位:[m/s]等)。
另外,如图2的(b)所例示,该滚动体113从内圈111的剥落区域脱离时,壳体114经由外圈112承担的滚动体负载增加并回复,捕捉到该滚动体负载的变化,作为振动速度的正的最大值(顶部)。
即,在滚动体113进入或脱离内圈111的剥落区域时,由于滚动体负载的变化朝向不同,因此,滚动体负载的减少表现为振动速度的负的最大值(底部),而滚动体负载的増加表现为振动速度的正的最大值(顶部)。
另外,实际上,在旋转圈即内圈111的1个旋转周期内,在负载圏中滚动体113通过内圈的剥落区域的数次碰撞表现为振动,但在本实施方式中,获取位于负载圏的滚动体113通过内圈的剥落区域时发生的负或正的最大值的振动速度,以用于诊断。
需要说明的是,由于剥落在微观上向内圈的旋转方向、轴向、深度方向中的任一方传播,因此,对于是否产生剥落的判断通过将振动速度的负或正的最大值的绝对值与阈值比较来进行,在绝对值大于阈值的情况下,判断发生了剥落。
然后,在发生了剥落的情况下,运算处理部21从如图3所示输出的振动速度波形中,获取负的振动速度的最大值(底部)所示的时刻作为滚动体113进入滚道圈的剥落区域的进入时刻,获取从进入时刻起在预定时间内的正的振动速度的最大值(顶部)所示的时刻作为滚动体113从滚道圈的剥落区域脱离的脱离时刻。
在此,上述预定时间设为比轴承损伤的振动周期(滚动体通过内圈的剥落区域的时间间隔)略长的周期。例如,预定时间设定为滚动体通过内圈的剥落区域的间隔的2倍以下。
需要说明的是,振动传感器12的输出可以选择任一方向作为正方向,因此有时在进入内圈的剥落区域时表示为正的最大值(顶部),且在从剥落区域脱离时表示为负的最大值(底部)。在该情况下,将正的振动速度的最大值(顶部)所示的时刻作为进入时刻,将负的振动速度的最大值(底部)所示的时刻作为脱离时刻。
另外,根据振动传感器12的输出,如图4中(a)和(b)所示,示出进入时刻和脱离时刻的振动速度的最大值(顶部)和最小值(底部)存在均为正侧的值的情况或者均为负侧的值的情况。
在该情况下,可以在从输出信号得到的振动速度波形中,获取内圈的旋转周期内的、将大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中任一者示出的时刻,作为进入时刻,并且获取从进入时刻起在预定时间内的、将振动速度的最大值和最小值中的另一者示出的时刻,作为脱离时刻。
接着,运算处理部21基于进入时刻与脱离时刻的时间差即剥落通过时间,推算剥落尺寸。
具体而言,在内圈旋转、外圈固定的本实施方式中,在内圈剥落的情况下,剥落尺寸由下式(1)给出。
[式1]
另外,在外圈剥落的情况下,剥落尺寸由下式(2)给出。
[式2]
需要说明的是,在与本实施方式不同的内圈固定、外圈旋转的滚动轴承中,内圈剥落的情况下的剥落尺寸由下式(3)给出,外圈剥落的情况下的剥落尺寸由下式(4)给出。另外,在该情况下,振动传感器12可以安装于静止侧的轴。
[式3]
[式4]
以下,示出式(1)~(4)中的各符号的含义。
τ:剥落通过时间
dm:滚动体的PCD
Da:滚动体的直径
fri:内圈旋转频率
fre:外圈旋转频率
fc:滚动体的公转频率
fi=fri-fc
fe=fre-fc
在此,内圈剥落或外圈剥落的判定可以通过如下方式进行判断:可以观察内圈111的旋转周期内的各滚动体113进入剥落区域的进入时刻间的间隔,从而进行判断;也可以对从滚动轴承检测出的实测数据进行包络分析等解析处理并生成实测频率成分,根据与计算求出的内圈与外圈各自的理论频率成分是否一致判定损伤部位,从而进行判断。
由此,控制部22可以根据得到的剥落尺寸使机械设备10停止,也可以控制其降低转数。
另外,如果判断为即使继续运转,在更换滚动轴承11前也不会产生重大损伤的程度的剥落尺寸,则控制部22也可以不进行上述控制,使机械设备10继续运转。
如以上说明所示,根据本实施方式涉及的异常诊断方法以及异常诊断装置1,由于具有如下的时刻获取步骤和推算步骤,因此能够定量地评价在滚道圈中产生的剥落的进展,能够明确地掌握轴承的更换时期,时刻获取步骤从在滚动轴承11的旋转过程中利用振动传感器12检测出的输出信号中,获取滚动体113进入作为滚道圈的内圈111或外圈112的剥落区域的进入时刻以及该滚动体113从该滚道圈的剥落区域脱离的脱离时刻,推算步骤基于进入时刻与脱离时刻的时间差即剥落通过时间推算剥落尺寸。
(第2实施方式)
接着,参照图5~图7,说明第2实施方式涉及的滚动轴承的异常诊断方法以及异常诊断装置。需要说明的是,对于与第1实施方式同样的部分,附加相同或相当的符号,省略或简化说明。
本实施方式中,与第1实施方式不同的点在于,从使用振动传感器12得到的输出信号中获取向内圈111的剥落区域的进入时刻后,以进入时刻为原点,显示基于振动速度波形的灰度图像(参照图7),获取脱离时刻。
具体而言,如图5所示,从得到的振动速度波形数据中,按照内圈111的每1个旋转周期(例如40ms)截取(I)、(II)、(III)···(n)期望数量的数据。例如,图5的(I)、(II)、(III)中,示出获取内圈111的3次旋转量的振动速度波形数据的情况。
然后,如图6的(a)所示,从截取的各数据中分别获取负的最大值(底部)的振动速度作为进入时刻。进而,从而截取的各数据中分别获取从进入时刻起1.1×[1/轴承损伤频率]的周期的振动速度波形数据,即比轴承损伤周期(相邻的滚动体到达内圈的剥落区域的时间间隔)略长的周期的振动速度波形数据。需要说明的是,在该情况下,轴承损伤频率使用如图8所示的与旋转速度引起的各部位的损伤对应的发生间隔频率中的内圈111的频率。
另外,如图6的(b)所示,将振动速度波形数据置换成以进入时刻为原点的坐标数据。
然后,以进入时刻为原点,将内圈111的旋转周期内的正的振动速度设为白,将负的振动速度设为黒,用灰度描绘,在图像的纵轴层叠该灰度描绘,按照内圈111的每个旋转周期反复进行,形成如图7所示的灰度图像。另外,利用输出装置30输出该灰度图像。
需要说明的是,灰度的描绘的配色不限于黑白,只要能够辨认正和负的振动速度的大小即可。进而,为了明确灰度,使用处理10kHz以下的低通滤波器进行去噪。
另外,基于得到的灰度图像,控制装置20进行图像处理,获取最白的位置作为脱离时刻。
图像处理优选以自动处理进行。作为自动处理之一,可举出使用机器学习的方法。作为在学习时使用的训练数据,可使用已知剥落尺寸的轴承生成上述方法的灰度图像A。将剥落尺寸与灰度图像A关联学习,得到学习模型。对学习模型应用新的灰度图像数据,推算剥落尺寸。
需要说明的是,机器学习用软件可以使用通常的软件,例如可举出TensorFlow(注册商标)、scikit-learn等。但是,机器学习用软件不限于此。
此后,与第1实施方式同样,基于得到的进入时刻与脱离时刻的时间差即内圈的剥落通过时间,推算剥落尺寸。
因此,在本实施方式中,能够在滚道圈承受来自滚动体的反复负载的情况下定量地评价在滚道圈中产生的剥落的进展,能够明确地掌握轴承的更换时期。进而,根据灰度图像,操作员能够用视觉识别在滚道圈中产生的剥落的进展,并正确判断机械设备的异常。
(第3实施方式)
接着,说明第3实施方式涉及的滚动轴承的异常诊断方法以及异常诊断装置。需要说明的是,对于与第1实施方式或第2实施方式同样的部分,附加相同或相当的符号,省略或简化说明。
在上述实施方式中,使用振动传感器捕捉滚动体负载的变化作为振动速度的变化并进行诊断,但在本实施方式中,使用检测滚动轴承的负载的负载传感器,直接检测滚动体负载。
作为负载传感器,可以是压电式力传感器40,在该情况下,如图9(a)所示,可以是压电式力传感器40配置在设置于壳体114的缺口114a,在壳体114与外圈112之间计算滚动体负载的变化。
或者,负载传感器可以是如图9的(b)所示的压电式薄膜40a、如图9的(c)所示的光纤40b。在任一情况下,均在壳体114与外圈112之间夹入压电式薄膜40a、光纤40b,由此测量滚动体负载的变化。
因此,从负载传感器得到表示负载的波形,因而在时刻获取步骤中,在表示负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为进入时刻,将从该进入时刻起在预定时间内的负载上升至超过所述阈值时的时刻作为脱离时刻。
另外,在本实施方式中,与第1实施方式同样,基于得到的进入时刻与脱离时刻的时间差即剥落通过时间,推算剥落尺寸。
因此,如本实施方式所示,在使用了负载传感器的情况下,也能够在滚道圈承受来自滚动体的反复负载的情况下定量地评价在滚道圈中产生的剥落的进展,能够明确地掌握轴承的更换时期。
需要说明的是,在本发明中,在使用负载传感器检测滚动体负载的情况下,也可以与第2实施方式同样地,从表示负载的波形获取进入时刻,用灰度描绘以该进入时刻为原点的旋转圈的旋转周期内的负载,按照旋转圈的每个旋转周期反复进行该灰度描绘,从而形成灰度图像。另外,也可以从灰度图像获取脱离时刻。
(第4实施方式)
接着,说明第4实施方式涉及的滚动轴承的异常诊断方法以及异常诊断装置。需要说明的是,对于与第1实施方式~第3实施方式同样的部分,附加相同或相当的符号,省略或简化说明。
在第2实施方式中,以进入时刻为原点,用灰度描绘内圈111的旋转周期内的振动波形,按照内圈111的每个旋转周期反复进行该灰度描绘,在图像的纵轴进行层叠,形成灰度图像,而在本实施方式中,经历更长时间以获取该灰度图像。
需要说明的是,在本实施方式中,以进入时刻为原点,按照内圈111的每个旋转周期,反复进行沿着纵轴描绘内圈111的旋转周期内的振动波形而进行的灰度描绘,在横轴进行层叠而形成灰度图像。另外,图10是从上述灰度图像中,在65小时~90小时的操作时间内,以1节径(=相邻的滚动体所接触的内圈的外周面间的距离)的纵轴的范围摘取到的图像。
由此,从图10示出的灰度图像中,能够以斜率的形式,视觉地掌握剥落长度随着操作时间变长而变长的情况,更易于判别剥落的进展程度。另外,在图10中,通过比较区域A与B的斜率,可知若剥落长度超过1节径,则剥落的进展速度急剧増加。
另外,在本实施方式中,能够根据图10的区域A中得到的斜率,推算预定时间(预定操作时间)后的剥落长度。另外,也能够利用该结果,推算到剥落进展速度会急剧増加的、剥落长度达到1节径程度为止的预定时间(预定操作时间)。
需要说明的是,本实施方式进行的使用灰度图像的剥落长度推算也能够应用于第3实施方式中说明的根据表示负载的波形得到的灰度图像。
需要说明的是,本发明的异常诊断方法以及异常诊断装置不限于上述的实施方式,能够进行适当的变形、改良等。例如,滚动轴承不限定轴承形式,能够应用于包含球轴承的所有形式的滚动轴承。
另外,根据滚道圈中产生的剥落的尺寸、滚动体的尺寸,在进入滚道圈的剥落区域的时刻与振动速度的负的最大值所示的时刻产生时间差的情况下,例如,可以将即将示出负的最大值之前的超过阈值的时刻作为进入滚道圈的剥落区域的时刻。
如上所述,本说明书公开了以下事项。
(1)一种滚动轴承的异常诊断方法,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断方法具有:
时刻获取步骤,从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从所述滚道圈的剥落区域脱离的脱离时刻;以及
推算步骤,基于所述进入时刻与所述脱离时刻的时间差、即剥落通过时间,来推算剥落尺寸。
根据该结构,能够定量地评价在滚道圈中产生的剥落的进展,能够明确地掌握轴承的更换时期。
(2)根据(1)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的、所述负和正的另一个振动速度的最大值示出的时刻作为所述脱离时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻。
(3)根据(1)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一者示出的时刻作为所述进入时刻,并且将从所述进入时刻起在预定时间内的、所述振动速度的最大值和最小值中的另一者示出的时刻作为所述脱离时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻。
(4)根据(1)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻,并且操作员视觉识别滚道圈中产生的剥落的进展,能够正确判断机械设备的异常。
(5)根据(1)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中任一者示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻,操作员视觉识别滚道圈中产生的剥落的进展,能够正确判断机械设备的异常。
(6)根据(4)或(5)所述的滚动轴承的异常诊断方法,从所述灰度图像获取斜率作为剥落长度的演进,根据所述斜率推算预定时间后的剥落长度。
根据该结构,能够推算预定时间后的剥落长度,明确掌握轴承的更换时期。
(7)根据(1)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的负载的负载传感器,
所述时刻获取步骤在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的所述负载上升至超过所述阈值时的时刻作为所述脱离时刻。
根据该结构,能过使用负载传感器从表示滚动体负载的变化的波形中容易地获取进入时刻和脱离时刻。
(8)根据(1)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的负载的负载传感器,
所述时刻获取步骤在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的负载。
根据该结构,能够使用负载传感器从表示滚动体负载的变化的波形中容易地获取进入时刻和脱离时刻,并且操作员视觉识别滚道圈中产生的剥落的进展,能够正确判断机械设备的异常。
(9)根据(8)所述的滚动轴承的异常诊断方法,从所述灰度图像获取斜率作为剥落长度的演进,根据所述斜率推算预定时间后的剥落长度。
根据该结构,能够推算预定时间后的剥落长度,明确掌握轴承的更换时期。
(10)一种滚动轴承的异常诊断装置,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断装置具有:
控制装置,所述控制装置从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从所述滚道圈的剥落区域脱离的脱离时刻,并且,基于所述进入时刻与所述脱离时刻的时间差、即剥落通过时间,来推算剥落尺寸。
根据该结构,能够定量地评价在滚道圈中产生的剥落的进展,能够明确地掌握轴承的更换时期。
(11)根据(10)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的、所述负和正的另一个振动速度的最大值示出的时刻作为所述脱离时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻。
(12)根据(10)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一者示出的时刻作为所述进入时刻,并且将从所述进入时刻起在预定时间内的、所述振动速度的最大值和最小值中的另一者示出的时刻作为所述脱离时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻。
(13)根据(10)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻,并且操作员视觉识别滚道圈中产生的剥落的进展,能够正确判断机械设备的异常。
(14)根据(10)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中任一者示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻和脱离时刻,并且操作员视觉识别滚道圈中产生的剥落的进展,能够正确判断机械设备的异常。
(15)根据(13)或(14)所述的滚动轴承的异常诊断方法,从所述灰度图像获取斜率作为剥落长度的演进,根据所述斜率推算预定时间后的剥落长度。
根据该结构,能够推算预定时间后的剥落长度,明确掌握轴承的更换时期。
(16)根据(10)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的负载的负载传感器,
所述控制装置在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的所述负载上升至超过所述阈值时的时刻作为所述脱离时刻。
根据该结构,能过使用负载传感器从表示滚动体负载的变化的波形中容易地获取进入时刻和脱离时刻。
(17)根据(10)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的负载的负载传感器,
所述控制装置在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的负载。
根据该结构,能够使用负载传感器从表示滚动体负载的变化的波形中容易地获取进入时刻和脱离时刻,并且操作员视觉识别滚道圈中产生的剥落的进展,能够正确判断机械设备的异常。
(18)根据(17)所述的滚动轴承的异常诊断装置,从所述灰度图像获取斜率作为剥落长度的演进,根据所述斜率推算预定时间后的剥落长度。
根据该结构,能够推算预定时间后的剥落长度,明确掌握轴承的更换时期。
(19)一种滚动轴承的异常诊断方法,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断方法具有:
进入时刻获取步骤,从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻;
图像形成步骤,以该进入时刻为原点,按照旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的所述输出信号,从而形成灰度图像;以及
显示步骤,输出该灰度图像。
根据该结构,操作员能够根据灰度图像定量地评价在滚道圈中产生的剥落的进展,并且能够视觉识别在滚道圈中产生的剥落的进展,能够明确掌握轴承的更换时期。
(20)根据(19)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述进入时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻。
(21)根据(19)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述进入时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中任一者示出的时刻作为所述进入时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻。
(22)根据(10)所述的滚动轴承的异常诊断方法,所述传感器是检测所述滚动轴承的负载的负载传感器,
所述进入时刻获取步骤在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,
根据该结构,能过使用负载传感器从表示滚动体负载的变化的波形中容易地获取进入时刻。
(23)根据(19)~(22)中任一项所述的滚动轴承的异常诊断方法,从所述灰度图像获取斜率作为剥落长度的演进,根据所述斜率推算预定时间后的剥落长度。
根据该结构,能够推算预定时间后的剥落长度,明确掌握轴承的更换时期。
(24)一种滚动轴承的异常诊断装置,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断装置具有:
控制装置,所述控制装置从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻,以该进入时刻为原点,按照旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的所述输出信号,形成灰度图像;以及
输出装置,所述输出装置输出该灰度图像。
根据该结构,操作员能够根据灰度图像定量地评价在滚道圈中产生的剥落的进展,能够明确地掌握轴承的替换时期。
(25)根据(24)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻。
(26)根据(24)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中任一者示出的时刻作为所述进入时刻。
根据该结构,能够使用振动传感器捕捉滚动体负载的变化作为振动速度的变化,容易地从振动速度波形获取进入时刻。
(27)根据(24)所述的滚动轴承的异常诊断装置,所述传感器是检测所述滚动轴承的负载的负载传感器,
所述控制装置在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻。
根据该结构,能够使用负载传感器从表示滚动体负载的变化的波形中容易地获取进入时刻。
(28)根据(24)~(27)中任一项所述的滚动轴承的异常诊断装置,从所述灰度图像获取斜率作为剥落长度的演进,根据所述斜率推算预定时间后的剥落长度。
根据该结构,能够推算预定时间后的剥落长度,明确掌握轴承的更换时期。
需要说明的是,本申请基于2018年8月23日申请的日本专利申请(特愿2018-156535),其内容在本申请中援引加入以作为参照。
Claims (28)
1.一种滚动轴承的异常诊断方法,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断方法的特征在于,具有:
时刻获取步骤,从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从所述滚道圈的剥落区域脱离的脱离时刻;以及
推算步骤,基于所述进入时刻与所述脱离时刻的时间差、即剥落通过时间,来推算剥落尺寸。
2.根据权利要求1所述的滚动轴承的异常诊断方法,其特征在于,所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的、所述负和正的另一个振动速度的最大值示出的时刻作为所述脱离时刻。
3.根据权利要求1所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一个示出的时刻作为所述进入时刻,并且将从所述进入时刻起在预定时间内的、所述振动速度的最大值和最小值中的另一个示出的时刻作为所述脱离时刻。
4.根据权利要求1所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
5.根据权利要求1所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中任一个示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
6.根据权利要求4或5所述的滚动轴承的异常诊断方法,其特征在于,
从所述灰度图像获取剥落长度的演进以作为斜率,根据所述斜率来推算预定时间后的剥落长度。
7.根据权利要求1所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的负载的负载传感器,
所述时刻获取步骤在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的所述负载上升至超过所述阈值时的时刻作为所述脱离时刻。
8.根据权利要求1所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的负载的负载传感器,
所述时刻获取步骤在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的负载。
9.根据权利要求8所述的滚动轴承的异常诊断方法,其特征在于,
从所述灰度图像获取剥落长度的演进以作为斜率,根据所述斜率来推算预定时间后的剥落长度。
10.一种滚动轴承的异常诊断装置,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断装置的特征在于,具有:
控制装置,所述控制装置从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻以及该滚动体从所述滚道圈的剥落区域脱离的脱离时刻,并且,基于所述进入时刻与所述脱离时刻的时间差、即剥落通过时间,来推算剥落尺寸。
11.根据权利要求10所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的、所述负和正的另一个振动速度的最大值示出的时刻作为所述脱离时刻。
12.根据权利要求10所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一个示出的时刻作为所述进入时刻,并且将从所述进入时刻起在预定时间内的、所述振动速度的最大值和最小值中的另一个示出的时刻作为所述脱离时刻。
13.根据权利要求10所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
14.根据权利要求10所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一个示出的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的振动速度。
15.根据权利要求13或14所述的滚动轴承的异常诊断装置,其特征在于,
从所述灰度图像获取剥落长度的演进以作为斜率,根据所述斜率来推算预定时间后的剥落长度。
16.根据权利要求10所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的负载的负载传感器,
所述控制装置在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,将从所述进入时刻起在预定时间内的所述负载上升至超过所述阈值时的时刻作为所述脱离时刻。
17.根据权利要求10所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的负载的负载传感器,
所述控制装置在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻,
从灰度图像中获取所述脱离时刻,所述灰度图像通过如下方式形成:以该进入时刻为原点,按照所述旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的负载。
18.根据权利要求17所述的滚动轴承的异常诊断装置,其特征在于,
从所述灰度图像获取剥落长度的演进以作为斜率,根据所述斜率来推算预定时间后的剥落长度。
19.一种滚动轴承的异常诊断方法,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断方法的特征在于,具有:
进入时刻获取步骤,从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻;
图像形成步骤,以该进入时刻为原点,按照旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的所述输出信号,从而形成灰度图像;以及
显示步骤,输出该灰度图像。
20.根据权利要求19所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述进入时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻。
21.根据权利要求19所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述进入时刻获取步骤在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一个示出的时刻作为所述进入时刻。
22.根据权利要求19所述的滚动轴承的异常诊断方法,其特征在于,
所述传感器是检测所述滚动轴承的负载的负载传感器,
所述进入时刻获取步骤在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻。
23.根据权利要求19~22中任一项所述的滚动轴承的异常诊断方法,其特征在于,
从所述灰度图像获取剥落长度的演进以作为斜率,根据所述斜率来推算预定时间后的剥落长度。
24.一种滚动轴承的异常诊断装置,所述滚动轴承用于旋转机械,所述滚动轴承的异常诊断装置的特征在于,具有:
控制装置,所述控制装置从在所述滚动轴承的旋转过程中利用传感器检测出的输出信号中,获取滚动体进入滚道圈的剥落区域的进入时刻,以该进入时刻为原点,按照旋转圈的每个旋转周期,反复用灰度描绘所述旋转圈的旋转周期内的所述输出信号,形成灰度图像;以及
输出装置,所述输出装置输出该灰度图像。
25.根据权利要求24所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、绝对值大于阈值的负和正的任一个振动速度的最大值示出的时刻作为所述进入时刻。
26.根据权利要求24所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的振动的振动传感器,
所述控制装置在从所述输出信号得到的振动速度波形中,将旋转圈的旋转周期内的、大于预定上限值的振动速度的最大值和小于预定下限值的振动速度的最小值中的任一个示出的时刻作为所述进入时刻。
27.根据权利要求24所述的滚动轴承的异常诊断装置,其特征在于,
所述传感器是检测所述滚动轴承的负载的负载传感器,
所述控制装置在表示所述负载的波形中,将旋转圈的旋转周期内的负载减小至小于阈值时的时刻作为所述进入时刻。
28.根据权利要求24~27中任一项所述的滚动轴承的异常诊断装置,其特征在于,
从所述灰度图像获取剥落长度的演进以作为斜率,根据所述斜率来推算预定时间后的剥落长度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018156535 | 2018-08-23 | ||
JP2018-156535 | 2018-08-23 | ||
PCT/JP2019/032983 WO2020040280A1 (ja) | 2018-08-23 | 2019-08-23 | 転がり軸受の異常診断方法及び異常診断装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112334750A true CN112334750A (zh) | 2021-02-05 |
Family
ID=69593193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980043723.0A Pending CN112334750A (zh) | 2018-08-23 | 2019-08-23 | 滚动轴承的异常诊断方法以及异常诊断装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11333577B2 (zh) |
EP (1) | EP3842780A4 (zh) |
JP (1) | JP6733838B1 (zh) |
KR (1) | KR20210042848A (zh) |
CN (1) | CN112334750A (zh) |
WO (1) | WO2020040280A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11280699B2 (en) * | 2019-02-19 | 2022-03-22 | Nsk Ltd. | Flaking development analysis method and flaking development analysis device for raceway ring of rolling bearing |
EP3961335B1 (en) * | 2020-08-28 | 2024-07-17 | Siemens Aktiengesellschaft | System, apparatus and method for estimating remaining useful life of a bearing |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2947937C2 (de) * | 1979-11-28 | 1983-01-05 | Wolfgang Ing.(grad.) 8162 Schliersee Berndt | Verfahren und Vorrichtung zur Bestimmung von Wälzlagerschäden |
JPH065193B2 (ja) * | 1987-04-28 | 1994-01-19 | 光洋精工株式会社 | 軸受残存寿命予知装置 |
US5140849A (en) * | 1990-07-30 | 1992-08-25 | Agency Of Industrial Science And Technology | Rolling bearing with a sensor unit |
JP3858978B2 (ja) | 2001-10-25 | 2006-12-20 | 日本精工株式会社 | 評価方法及び装置 |
WO2002037067A1 (fr) | 2000-11-06 | 2002-05-10 | Nsk Ltd. | Dispositif et procede diagnostiquant des anomalies pour une installation mecanique |
JP2002340922A (ja) * | 2001-01-25 | 2002-11-27 | Nsk Ltd | 車輪用回転検出装置 |
EP1548419B1 (en) * | 2002-08-30 | 2013-07-24 | NSK Ltd. | Method and device for monitoring status of mechanical equipment and abnormality diagnosing device |
JP4504065B2 (ja) * | 2004-03-31 | 2010-07-14 | 中国電力株式会社 | 転がり軸受の余寿命診断方法 |
US7860663B2 (en) * | 2004-09-13 | 2010-12-28 | Nsk Ltd. | Abnormality diagnosing apparatus and abnormality diagnosing method |
WO2006043511A1 (ja) * | 2004-10-18 | 2006-04-27 | Nsk Ltd. | 機械設備の異常診断システム |
JP5442553B2 (ja) * | 2010-07-21 | 2014-03-12 | 日立建機株式会社 | 軸受の損傷検出方法 |
JP6196093B2 (ja) * | 2012-12-25 | 2017-09-13 | Ntn株式会社 | 軸受装置の振動解析方法、軸受装置の振動解析装置、および転がり軸受の状態監視装置 |
JP6133112B2 (ja) * | 2013-04-11 | 2017-05-24 | Ntn株式会社 | 転がり軸受の診断装置および転がり軸受の診断方法 |
JP2014215164A (ja) | 2013-04-25 | 2014-11-17 | Ntn株式会社 | 振動測定ユニットおよびこれを用いた振動測定システム |
EP3029449A4 (en) * | 2013-08-01 | 2017-03-15 | NTN Corporation | Bearing-device vibration analysis method, bearing-device vibration analysis device, and rolling-bearing status-monitoring device |
JP6605865B2 (ja) | 2015-07-22 | 2019-11-13 | Ntn株式会社 | 転がり軸受の状態監視装置及び転がり軸受の状態監視方法 |
JP6714806B2 (ja) | 2015-08-06 | 2020-07-01 | 日本精工株式会社 | 状態監視装置及び状態監視方法 |
CN107843426B (zh) | 2016-09-19 | 2021-08-06 | 舍弗勒技术股份两合公司 | 轴承剩余寿命的监测方法及监测装置 |
JP2018156535A (ja) | 2017-03-21 | 2018-10-04 | 株式会社東海理化電機製作所 | タッチパッド |
-
2019
- 2019-08-23 WO PCT/JP2019/032983 patent/WO2020040280A1/ja unknown
- 2019-08-23 JP JP2019568781A patent/JP6733838B1/ja active Active
- 2019-08-23 KR KR1020207037465A patent/KR20210042848A/ko not_active Application Discontinuation
- 2019-08-23 EP EP19850902.8A patent/EP3842780A4/en active Pending
- 2019-08-23 CN CN201980043723.0A patent/CN112334750A/zh active Pending
- 2019-08-23 US US17/255,905 patent/US11333577B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3842780A1 (en) | 2021-06-30 |
EP3842780A4 (en) | 2022-07-27 |
JP6733838B1 (ja) | 2020-08-05 |
US20210255060A1 (en) | 2021-08-19 |
JPWO2020040280A1 (ja) | 2020-08-27 |
KR20210042848A (ko) | 2021-04-20 |
WO2020040280A1 (ja) | 2020-02-27 |
US11333577B2 (en) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9423290B2 (en) | Abnormality diagnostic device for rolling bearing, wind turbine generation apparatus and abnormality diagnostic system | |
US10337958B2 (en) | Bearing device vibration analysis method, bearing device vibration analyzer, and rolling bearing condition monitoring system | |
JP4504065B2 (ja) | 転がり軸受の余寿命診断方法 | |
US10830637B2 (en) | Abnormality diagnosis device and sensor detachment detection method | |
US20170130700A1 (en) | Condition monitoring system and wind power generation system using the same | |
JP6714806B2 (ja) | 状態監視装置及び状態監視方法 | |
US20200158562A1 (en) | Condition monitoring apparatus, condition monitoring system, and condition monitoring method | |
EP2730898B1 (en) | Bearing, housing including a set of bearings, associated method and computer program | |
JP2017101954A (ja) | 機械設備の評価方法 | |
JPH09113416A (ja) | ころがり軸受の損傷診断方法 | |
CN112334750A (zh) | 滚动轴承的异常诊断方法以及异常诊断装置 | |
CN110261115B (zh) | 乘客传送机用轴承检查装置及乘客传送机用轴承检查方法 | |
JP4730166B2 (ja) | 機械設備の異常診断装置及び異常診断方法 | |
JP6897064B2 (ja) | 軸受異常診断方法および診断システム | |
JP2017207435A (ja) | 異常診断方法 | |
WO2018088564A1 (ja) | 軸受異常診断方法および診断システム | |
JP2016170085A (ja) | 異常診断装置及び異常診断方法 | |
KR102230463B1 (ko) | 설비 부품의 결함 진단 시스템 및 이의 방법 | |
JP2015175828A (ja) | 転動装置の状態監視装置およびそれを備える風力発電設備 | |
JP2022185599A (ja) | 転がり軸受の異常診断方法及び異常診断装置 | |
JP2021032769A (ja) | 転がり軸受の状態監視方法及び状態監視装置 | |
CN113994088A (zh) | 用于对风涡轮机的部件进行计算机实现的监测的方法 | |
KR102513378B1 (ko) | 회전기기 시계열 신호의 이미지화 장치 및 방법 | |
JP2021011371A (ja) | 診断装置、診断システムおよび診断方法 | |
JP6561720B2 (ja) | 軸受評価装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |